UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

3 (Universidad del Perú, DECANA DE AMÉRICA)

FACULTAD CIENCIAS BIOLOGICAS

ESCUELA PROFESIONAL DE BIOLOGIA

BIOESTADISTICA

ANÁLISIS DE CORRELACIÓN Y ANALISIS DE REGRESIÓN LINEAL SIMPLE

Dra. Doris Gómez Ticerán

Sesión 11: 04_11_2021

ANÁLISIS DE CORRELACIÓN
ANÁLISIS DE REGRESIÓN LINEAL SIMPLE
El investigador que recoge datos tiene casi siempre dos
objetivos:
• Generar información descriptiva sobre la población
a partir de la cual se extrajo la muestra.
• Proponer/comprobar ciertas hipótesis sobre esa
población.
• Realizar pronósticos.
Al igual que en diversas situaciones debe utilizarse una
muestra obtenida al azar de una población para plantear
aseveraciones acerca de la población.
Esta vez, consideremos la regresión lineal, para analizar
situaciones donde las muestras se recogieron de la
población caracterizada por una respuesta
media(variable dependiente) que varía de
manera continua según el comportamiento de la variable
explicativa.
Podemos empezar preguntándonos si existe entre las variables
𝑋 𝑒 𝑌 dependencia funcional, es decir, si existe una cierta

función 𝑓 tal que 𝑌 = 𝑓 𝑋 . ? ? ? ===⇒

𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜 𝑋, se conocería el valor de 𝑌 .

La respuesta a la pregunta suele ser negativa debido a la presencia,

además de 𝑋, muchos otros factores, controlables o no, asociados

con el comportamiento de 𝑌.
Podemos plantearnos el problema de encontrar una función 𝑓 de

forma que 𝑓(𝑋) aproxime lo mejor posible a la variable Y: ASÍ,

conocido el valor 𝑥 que toma la variable 𝑋, aproximando el valor de

la variable 𝑌 por 𝑓(𝑥) haríamos todo cuanto está en nuestra
mano para resolver el problema planteado.

A una función 𝑓 como ésa la llamaríamos curva de regresión de 𝑌

sobre 𝑋.
Qué hacer para estimar los parámetros
del modelo de regresión lineal simple?
Tomar la muestra y con los datos:

a. Describir qué tan estrechamente

están asociadas las dos variables.
Coeficiente de correlación lineal de
Pearson.
b. Determinar la ecuación lineal que
describa la nube de puntos.
Pronosticar.
1

2
Recta de regresión estimada:
𝛽መ1 =
Muestra
r = 0.925
Análisis de regresión

Y: Peso
X: Estatura
Y=f(X,e)
Análisis de regresión
=7.44/8 = 0.93
 El 85.6% de la variación de la variable
dependiente(peso) es explicada por la variable
independiente(talla)
1.Bosqueje el diagrama de
dispersión entre la variable
respuesta y la humedad.
Comente.
2.Encuentre el valor del
coeficiente de correlación lineal
y comente.
3.Plantee el modelo de
regresión lineal simple
4.Estime los parámetros y
proponga el modelo de
regresión lineal ajustado.
5.Estime la varianza de la variable
Uno de los problemas que se tratan en disciplinas como la Ecolo
gía es identificar factores que influyen en variables como,
la riqueza de una especie (número de individuos de la especie en
un área dada).

Número de insectos=f( temperatura)

Número de insectos =f(humedad)