SEMANA 15- SESIÓN 30

ESTADÍSTICA APLICADA PARA LOS NEGOCIOS

Coeficiente de Correlación y Determinación

LOGRO DE LA SESIÓN

Al finalizar la sesión, el estudiante calcula e interpreta

correctamente el coeficiente de correlación y
determinación en un modelo de regresión lineal
simple, además sus aplicaciones tomando en cuenta
contextos reales, a través de la resolución de
problemas.
 DUDAS DE LA CLASE ANTERIOR

¿Qué dudas tenemos de la clase anterior?

 SABERES PREVIOS
Has escuchado el término correlación. En qué situación aplicativa lo
usarías.

Qué idea tienes de correlación lineal. Sabes de otras correlaciones.

A qué se refiere la correlación negativa.

 UTILIDAD DEL TEMA
Comprender la información que se lee o escucha cuando se emplean
los coeficientes de correlación y determinación.

Justificar desarrollar modelos lineales predictivos en los diversos

campos de investigación.
 LOGRO

Al finalizar la sesión, el estudiante calcula e

interpreta el coeficiente de correlación y
determinación en un modelo de regresión
lineal simple a travez de la resolución de
problemas.
 COEFICIENTE DE CORRELACIÓN (𝒓)
Coeficiente de Correlación
El coeficiente de correlación de Pearson(r), pensado para variables cuantitativas, es un índice que mide
el grado de covariación entre distintas variables relacionadas linealmente. Esto significa que puede
haber variables fuertemente relacionadas, pero no de forma lineal.

Relación
𝒏 σ 𝑿𝒀 − σ 𝑿 σ 𝒀 inversa Relación
𝒓= Intensa Variables directa
2 2 incorreladas Intensa
𝒏 σ 𝑿2 −(σ𝑿) . 𝒏 σ 𝒀2 −(σ𝒀)

Rango de valores r
r = -1
Correlación inversa perfecta
r= 1
Correlación directa perfecta
-1 0 +1
Si –1< r < -0.8 → Relación Inversa Intensa
Si –0.2 < r < 0 → Relación Inversa débil
Si 0 < r < 0.2 → Relación Directa débil
Si 0.8 < r < 1 → Relación Directa intensa
 COEFICIENTE DE CORRELACIÓN (𝒓)
Coeficiente de Correlación
330 130
120
280 110
230 100
90
180 80
70
130
60
80 50
r=0,1 r=0,4
40
30 30
140 150 160 170 180 190 200 140 150 160 170 180 190 200

100 100
90 90
80 80
70 70
60 60
50 50
40 r=0,8 40 r=0,99
30
30
140 150 160 170 180 190 200
140 150 160 170 180 190 200
 COEFICIENTE DE CORRELACIÓN (𝒓)
Coeficiente de Correlación
90 80
80 70
70 60
60 50
50
40
40
30
30
20 20
10 r=-0,5 10 r=-0,7
0 0
140 150 160 170 180 190 200 140 150 160 170 180 190 200

80 80
70 70
60 60
50 50
40 40
30 30
20 20
10 r=-0,95 10 r=-0,999
0 0
140 150 160 170 180 190 200 140 150 160 170 180 190 200
 COEFICIENTE DE 𝟐
DETERMINACIÓN (𝑹 )
Coeficiente de Determinación
El coeficiente de determinación es la proporción o porcentaje de variación total en Y respecto a su
media, que es explicada por el modelo de regresión. Es usual expresar esta medida en tanto por
ciento, multiplicándola por cien
0 ≤ 𝑅2 ≤ 1
Descomposición de la variabilidad de Y:
El resultado del 𝑅2 oscila entre 0 y 1.
ത 2
෍(𝑌 − 𝑌) ෍(𝑌෠ − 𝑌)
ത 2 ෠ 2
෍(𝑌 − 𝑌) Cuanto más cerca de 1 se sitúe su
= + valor, mayor será el ajuste del
SCT = SCR + SCE modelo a la variable que estamos
intentando explicar. De forma
Variación = Variación + Variación no inversa, cuanto más cerca de cero,
total (Y) Explicada explicada menos ajustado estará el modelo y,
෠ − 𝑌)
ത 2 por tanto, menos fiable será.
SCT=SCR+SCE
2
σ( 𝑌 𝑆𝐶𝑅
𝑅 = =
σ(𝑌 − 𝑌)ത 2 𝑆𝐶𝑇
 COEFICIENTE DE 𝟐
DETERMINACIÓN (𝑹 )
𝑌෠ = 2.56665 + 2.7565𝑋
Ejemplo: Si se tiene los siguiente resultados
𝑅2 = 0.8998 → 𝑟 = 0.9485
Interpretación
❑ El ajuste del modelo es bueno, ya que el valor de 𝑅2 = 0.8998 es cercano a 1, en concreto, el 89,98%
de la variabilidad de la variable de Y es explicado por el modelo de regresión ajustado. Podemos
concluir que el modelo lineal es adecuado para describir la relación que existe entre estas variables
(X e Y).
❑ El coeficiente de correlación de 𝑟 = 0.9485, indica que existe una relación lineal intensa entre X e Y
de manera directa

En una regresión lineal simple el coeficiente de determinación

coincide con la correlación de Pearson elevada al cuadrado.

𝑅2 = 𝑟 2
 EJERCICIO 1
La Propina que se le otorga a un mozo en un restaurante depende de muchos factores, por
ejemplo la cordialidad del personal, tipo de ambiente, satisfacción por el servicio, etc. En el
siguiente cuadro se tiene la cantidad de propina (soles) que los clientes de un restaurante dan
a los mozos en función al tiempo en que se demora en servir una orden (minutos):

Propina (soles) 1 3 3 2 6 1 2 3 4
Tiempo de Atención
(minutos)
3 2 2 4 1 4 3 2 2

Halle e interprete el coeficiente de Correlación y coeficiente de determinación.

 EJERCICIO 1
Solución: Coeficiente de correlación(r) 𝒏 σ 𝑿𝒀 − σ 𝑿 σ 𝒀
𝒓=
𝑌෠ = 𝟔. 𝟏𝟓 − 𝟏. 𝟑𝟐𝑋 2
𝒏 σ 𝑿2 −(σ𝑿) . 𝒏 σ 𝒀2 −(σ𝒀)
2

Y (propina) X (tiempo) 𝑋2 𝑌2 𝑋𝑌
1 3 9 1 3 9 53 − 23 25
𝑟=
3 2 4 9 6 9 67 − 232 . 9 89 − 252
3 2 4 9 6
2 4 16 4 8 𝑟 = −0.86
6 1 1 36 6 –1<r<-0.8 → Correlación Inversa intensa
1 4 16 1 4
Existe una correlación intensa entre el
2 3 9 4 6 tiempo de atención(X) y la propina
3 2 4 9 6 otorgada por el cliente (Y) y la relación es
4 2 4 16 8 de manera inversa, decir mientras mas
tiempo se demora en atender a un clientes
σ 𝑌 2 =89 menos propina dará este.
σ 𝑌 = 25 σ 𝑋 =23 σ 𝑋 2 =67 σ 𝑋𝑌 =53
 EJERCICIO 1
Coeficiente de determinación (𝑹𝟐 ) Calculemos
𝑺𝑪𝑹 = ෍(ෝ ഥ)𝟐
𝒚𝒊 − 𝒚 𝑆𝐶𝑬 = ෍(𝑦𝑖 − 𝑦ො𝑖 )2 σ(𝑌෠ − 𝑌)
ത 2 𝑆𝐶𝑅
x y ෡ = 𝟔. 𝟏𝟓 − 𝟏. 𝟑𝟐𝑿
2
𝑅 = =
𝒀 σ(𝑌 − 𝑌)ത 2 𝑆𝐶𝑇
3 1 2,19 0,35 1,42
2 3 3,51 0,53 0,26
2 14,32
2 3 3,51 0,53 0,26 𝑅 = = 0.7353
19,47
4 2 0,87 3,65 1,28
1 6 4,83 4,2 1,37 𝑅2 = 74%
4 1 0,87 3,65 0,02
3 2 2,19 0,35 0,04
2 3 3,51 0,53 0,26
2 4 3,51 0,53 0,24
𝑦ത =2,78 𝑆𝐶𝑹=14,32 𝑆𝐶𝑬=5,15

𝑆𝐶𝑇=SCR+SCE →SCT = 14,32 + 5,15 = 19.47

 EJERCICIO 1
Coeficiente de determinación(𝑹𝟐 )
Interpretación:
El 74% de la variabilidad de Y (propina) es explicado por el modelo de regresión ajustado.

NOTA MUY IMPORTANTE:

En una regresión lineal simple el coeficiente de determinación
coincide con la correlación de Pearson elevada al cuadrado.

𝑅2 = 𝑟 2

Luego sabiendo qué: r = −0.86

Resultaría →𝑅 2 = 0.74 = 74%

EJERCICIOS PARA PRACTICAR EN CLASE

Comencemos a
practicar

20 minutos!!

Regresión Lineal Simple

 EJERCICIO 1
Una empresa de refrescos está analizando el efecto de su última campaña publicitaria. Se
escogieron personas al azar y se les llamó para preguntarles cuántas latas de refresco habían
comprado la semana anterior y cuántos anuncios del refresco habían visto u oído durante el
mismo período. Los datos fueron los siguientes:

Anuncios 3 7 4 2 0 4 1 2
Latas compradas 11 18 9 4 7 6 3 8

Halle el coeficiente de correlación y determinación

Interprete cada uno de ellos
 EJERCICIO GRUPAL
Grupos de 5 Estudiantes
Vamos a los
ejercicios propuestos
de la separata!!
 CIERRE

¿QUÉ HEMOS APRENDIDO?

1. ¿Cómo se calcula el coeficiente de

correlación y determinación?

2. ¿Cuál es la diferencia entre el

coeficiente de correlación y
determinación?