Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LINEAL
5.1 DEPENDENCIA LINEAL ENTRE DOS VARIABLES ALEATORIAS
Determinar si hay evidencia suficiente para respaldar la conclusión de que existe una
correlación lineal entre dos variables.
Encontrar el mejor valor predicho de una variable dado algún valor de la otra variable.
ANALICEMOS LOS SIGUIENTES DATOS…..
Cantidad de horas Cantidad de
que estudia helados que Al parecer no hay correlación
estadística en la consume por
semana semana
5 4
4 2
10 1
9 8
7 6
1 7 Edad Estatura (cm)
2 10 1 60
5 90
8 100
10 120
Al parecer hay correlación 13 140
16 160
20 170
CONCEPTOS IMPORTANTES…..
4. r mide la fuerza de una relación lineal. No esta diseñado para medir la fuerza de una
relación que no sea lineal
5. r es muy sensible a los valores atípicos en el sentido de que un único valor de este tipo
podría afectar dramáticamente su valor.
¿CÓMO SE CALCULA EL COEFICIENTE DE
CORRELACIÓN……?
OBJETIVO
NOTACIÓN
REQUISITOS…..
𝑛 ∗ (σ 𝑥 ∗ 𝑦) − (σ 𝑥) ∗ (σ 𝑦)
𝑟=
2 2
𝑛 ∗ (σ 𝑥 2 ) − (σ 𝑥) ∗ 𝑛 ∗ (σ 𝑦 2 ) − (σ 𝑦)
INTERPRETACIÓN DEL COEFICIENTE DE
CORRELACIÓN LINEAL r
Correlación Si el coeficiente de correlación
lineal calculado r se encuentra en la cola
izquierda mas allá del valor critico mas a la
izquierda o si se encuentra en la cola Correlación Sin Correlación
derecha mas allá del valor critico mas a la Correlación
derecha (es decir, 𝑟 ≥ valor critico),
concluya que hay suficiente evidencia para
respaldar la afirmación de una correlación
−1 0 1
lineal.
Valor crítico Valor crítico
Sin correlación Si el coeficiente de correlación lineal calculado se encuentra entre los dos valores críticos se
concluye que no hay pruebas suficientes para respaldar la afirmación de una correlación lineal.
INTERPRETACIÓN DEL COEFICIENTE DE
CORRELACIÓN LINEAL r
𝛼 = 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑛𝑐𝑖𝑎 (5% 𝑦 1%)
Dada una colección de datos muestrales pareados, la línea de regresión (o línea de mejor
ajuste, o línea de mínimos cuadrados) es la línea recta que “mejor” se ajusta al diagrama de
dispersión de los datos.
𝑎 = 𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑐𝑖ó𝑛
𝑏 = 𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑦 = 𝑎 + 𝑏𝑥
DETERMINACIÓN DE LA ECUACIÓN DE LA LINEA DE
REGRESIÓN……
OBJETIVO
NOTACIÓN
𝑦 = 𝑎 + 𝑏𝑥
(σ 𝑦) ∗ (σ 𝑥 2 ) − (σ 𝑥) ∗ (σ 𝑥 ∗ 𝑦) 𝑛 ∗ (σ 𝑥 ∗ 𝑦) − (σ 𝑥) ∗ (σ 𝑦)
𝑎= 2 𝑏= 2
𝑛 ∗ (σ 𝑥 2 ) − (σ 𝑥) 𝑛 ∗ (σ 𝑥 2 ) − (σ 𝑥)
“Lo maravilloso de
aprender algo es que nadie
puede quitarnoslo”
RESUÉLVELO TÚ
Use los datos pareados de longitud del pie y estatura del ejercicio anterior. ¿Hay evidencia
sufi ciente para concluir que existe una correlación lineal entre la longitud del pie y la
estatura de los hombres? Con base en estos resultados ¿parece que la policía puede usar la
longitud de los pies para estimar la estatura de un hombre?
RESUÉLVELO TÚ
Una aplicación clásica de la correlación implica la asociación entre la temperatura y el
número de veces que un grillo chirría en un minuto. A continuación se listan el número de
chirridos en 1 minuto y las temperaturas correspondientes en °F (según datos de The Song
of Insects, de George W. Pierce, Harvard University Press). ¿Hay sufi ciente evidencia para
concluir que existe una correlación lineal entre el número de chirridos en 1 min y la
temperatura?
RESUÉLVELO TÚ
Usa las longitudes del pie y las estaturas para encontrar la mejor estatura predicha para un
hombre que tiene una longitud de pie de 28 cm. ¿El resultado sería útil para los inves-
tigadores policiales de la escena del crimen al tratar de describir al hombre?
RESUÉLVELO TÚ
Encuentre la mejor temperatura predicha en un momento en que un grillo chirría 3000
veces en 1 minuto. ¿Qué es erróneo en esta temperatura prevista?