Probabilidad y Estadística

ANÁLISIS DE REGRESIÓN Y
CORRELACIÓN LINEAL SIMPLE
M12
Curso: Probabilidad y Estadística
Módulo: Análisis de regresión y correlación lineal simple

© Universidad Privada del Norte, 2022

Educación Virtual
Av. El Derby 254, Lima Central Tower, Piso 14, Surco - Lima, Perú
www.upn.edu.pe

Primera edición digital

Todos los derechos reservados. Prohibida la reproducción total o parcial
de esta publicación sin previa autorización de la universidad.
 PROBABILIDAD Y ESTADÍSTICA
Módulo 12: Análisis de regresión y correlación lineal simple

CONTENIDO

1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2. Diagrama de dispersión. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3

3. Coeficiente de correlación de Pearson y coeficiente de determinación . . . . . . . . . . . . . . . . . 3

3.1. Coeficiente de correlación de Pearson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

4. Estimación de la ecuación de regresión lineal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

5. Supuestos del modelo de regresión lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5

6. Validación del modelo de regresión lineal (Técnica Análisis de Varianza) . . . . . . . . . . . . . . . . .5

7. Pronóstico y estimación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
7.1. Estimación puntual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6
7.2. Estimación interválica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

8. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

Bibliografía. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .10

pág.01
 PROBABILIDAD Y ESTADÍSTICA
Módulo 12: Análisis de regresión y correlación lineal simple

1 INTRODUCCIÓN

Es posible establecer patrones de comportamiento a partir de datos históricos y a no ser que

sucedan eventos externos es posible prever o “predecir” cómo se comportarán determinadas
variables en el futuro próximo.

Tal es así, que el objetivo del análisis de regresión lineal es el de establecer una relación
cuantitativa entre dos variables. Trata de establecer un modelo estadístico que permita predecir,
explicar o estimar el valor de una variable (dependiente) en función de otra variable
(independiente).

pág.02
 PROBABILIDAD Y ESTADÍSTICA
Módulo 12: Análisis de regresión y correlación lineal simple

2 DIAGRAMA DE DISPERSIÓN

Es un gráfico de dos dimensiones, donde en un eje (horizontal) se sitúa una variable y en el otro eje
(vertical) la otra variable. El diagrama permite visualizar la relación entre dos variables.
A continuación, se presentan algunos casos:

Modelo lineal Modelo lineal Modelo lineal

Buen ajuste Mal ajuste Buen ajuste

Cuando x crece,
y crece

Cuando x crece, Cuando x crece,

y crece y crece

Modelo lineal Modelo no lineal Variables no relacionadas

Buen ajuste Buen ajuste Ninguna curva de regresión
es adecuada

Cuando x crece, Cuando x crece,

y decrece y decrece

3 COEFICIENTE DE CORRELACIÓN DE PEARSON Y COEFICIENTE DE DETERMINACIÓN

3.1 Coeficiente de correlación de Pearson

Es el estadígrafo que mide el grado de asociación o afinidad entre las variables cuantitati-
vas y se denota por “r” la cual se define como:

pág.03
 PROBABILIDAD Y ESTADÍSTICA
Módulo 12: Análisis de regresión y correlación lineal simple

Interpretación:

Correlación inversa o negativa No existe correlación Correlación directa o positiva

y y y y y

x x x x x
r = -1 -1 < r < 0 r=0 0<r<1 r=1

Muy alta Alta Moderada Baja Muy baja Muy baja Baja Moderada Alta Muy Alta

-- -- -- -- -- + + + + +
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

Perfecta -- Nula Perfecta +

Mide el porcentaje de variabilidad en “Y” que puede ser explicada por la variable
independiente “X”.
Se denota por o

4 ESTIMACIÓN DE LA ECUACIÓN DE REGRESIÓN LINEAL

Si la variable respuesta o variable dependiente está en relación con la variable independiente

, entonces la relación funcional o ecuación de regresión lineal estimada entre y tiene la
siguiente forma:

Donde:
: Variable dependiente
: Variable independiente
: Intersección con el eje Y
: Pendiente de la recta de regresión

pág.04
 PROBABILIDAD Y ESTADÍSTICA
Módulo 12: Análisis de regresión y correlación lineal simple

5 SUPUESTOS DEL MODELO DE REGRESIÓN LINEAL

Primer supuesto: No autocorrelación de los errores (Durbin – Watson)

0 1 3 4

Autocorrelación + No hay autocorrelación Autocorrelación -

Segundo supuesto: Normalidad de los errores (Kolmogorov - Smirnov)

1. : Los errores se distribuyen normalmente

2. : Los errores no se distribuyen normalmente

6 VALIDACIÓN DEL MODELO DE REGRESIÓN LINEAL (TÉCNICA ANÁLISIS DE VARIANZA)

Hipótesis Regla de decisión

(No existe relación lineal entre e ) Si se rechaza y

(Existe relación lineal entre e ) Si se acepta

Análisis de varianza (ANOVA) para obtener el p-valor

Fuentes de Grados de Suma de Cuadro

F calculado Sig.
variación libertad cuadrados medio

Regresión 1 SCR CMR (1) P-valor

P_valor
Error n-2 SCE = SCT - SCR CME (2)
que se
compara
con
Total n-1 SCT

pág.05
 PROBABILIDAD Y ESTADÍSTICA
Módulo 12: Análisis de regresión y correlación lineal simple

7 PRONÓSTICO Y ESTIMACIÓN

7.1 Estimación puntual

Para calcular una estimación puntual se reemplaza el valor de , en la ecuación de
regresión lineal estimada con el objetivo de obtener el valor de la variable .

7.2 Estimación interválica

Para una valor intermedio:

Para un valor individual:

Donde:

pág.06
 PROBABILIDAD Y ESTADÍSTICA
Módulo 12: Análisis de regresión y correlación lineal simple

Caso de estudio 1

Se tiene información del costo de mantenimiento (en dólares) de 15 máquinas

llenadoras de gaseosas de distintas edades (vida útil de las máquinas en años) de
la Empresa Enrique Cassinelli e hijos S.A. La Gerencia desea hacer estimaciones o
pronósticos acerca del costo de mantenimiento en función del tiempo operativo
de la máquina. La información que se tiene es la siguiente:

Tiempo
1 1 2 2 2 3 3 4 4 4 5 5 5 6 7
operativo

Costos de
30 35 70 80 100 100 120 160 120 148 152 180 190 200 220
mantenimiento

a. Presenta el diagrama de dispersión. ¿Los datos pueden aproximarse a una

regresión lineal?

b. Calcula e interpreta el coeficiente de correlación y determinación.

c. Pruebe los supuestos del modelo de regresión lineal simple. Use un nivel de
significación del 5 %.

d. Presenta la ecuación de regresión lineal simple. Interpreta el coeficiente de

regresión y valida el modelo al nivel de significación del 5 %.

e. Estime el costo de mantenimiento de la máquina si el tiempo operativo es

de 9 años.

f. Estime con una confianza del 95 %, el costo promedio de mantenimiento de

una máquina si el tiempo operativo es 10 años.

Haz clic aquí para ver el video tutorial

pág.07
 PROBABILIDAD Y ESTADÍSTICA
Módulo 12: Análisis de regresión y correlación lineal simple

Caso de estudio 2

En la tabla siguiente se indica la edad y la conducta agresiva (medida en una escala

de cero a 10) de 10 niños.

Edad 6 5.1 6.7 7 7.4 7.9 8 8.2 8.5 7.2

Conducta
9 6 7 8 7 4 2 3 3 1
agresiva

a. Presente el diagrama de dispersión. ¿Los datos pueden aproximarse a una

regresión lineal?

b. Pruebe los supuestos del modelo de regresión lineal simple. Use un nivel de
significación del 4 %.

c. Presenta la ecuación de regresión lineal simple. Interpreta el coeficiente de

regresión y valida el modelo al nivel de significación del 5 %.

d. Estima el valor de la conducta agresiva que corresponde a un niño de 7.8

años.

e. Estima, con una confianza del 96 %, el valor promedio de la conducta agre-

siva que corresponde a un niño de 5.2 años.

Haz clic aquí para ver el video tutorial

pág.08
 PROBABILIDAD Y ESTADÍSTICA
Módulo 12: Análisis de regresión y correlación lineal simple

8 CONCLUSIONES

El diagrama de dispersión permite conocer el comportamiento de los datos.

El coeficiente de correlación de Pearson indica el grado de relación entre dos variables

cuantitativas, mientras que el coeficiente de determinación mide el porcentaje de
variabilidad en Y que puede ser explicada por la variable independiente .

La estimación del modelo de regresión lineal nos permite realizar pronósticos de la

variable independiente.

Los supuestos del modelo de regresión lineal son la “no autocorrelación” y la normalidad
de los errores.

Para validar el análisis de regresión lineal es necesario cumplir con los dos supuestos del
modelo de regresión y comprobar que existe relación lineal entre e .

Para realizar una estimación puntual o interválica se debe conocer el valor de la variable
independiente. Además, si la estimación es interválica se debe considerar un nivel de
confianza.

pág.09
 PROBABILIDAD Y ESTADÍSTICA
Módulo 12: Análisis de regresión y correlación lineal simple

BIBILIOGRAFÍA

Devore, J. (2008). Probabilidad y estadística para ingeniería y ciencias . (9ª ed.). CENGAGE
Learning.

IBM. (2017). Guía del usuario de IBM SPSS Statistics 25 Core System [archivo PDF].
https://ibm.co/3r3L5WH

Levine, D., Krehbiel, T. y Berenson, M. (2014). Estadística para administración . (6ª ed.). Pearson
Educación.

Ray, D. , Sweeney, D., Williams, T., Camm, J. y Cochran, J. (2015).Estadística para negocios y economía .
(12ª ed.). CENGAGE Learning.

pág.10
2022 © UPN. Todos los derechos reservados