UC 2: SOLUCIÓN DE SISTEMAS LINEALES,

INTERPOLACIÓN Y AJUSTE DE CURVAS.

AJUSTE DE CURVAS
COEFICIENTE DE CORRELACIÓN Y DETERMINACIÓN

MÉTODOS NUMÉRICOS
Mgs. Fabián Ordóñez M.
DEPARTAMENTO DE CIENCIAS EXACTAS - ESPE
 CLASE Nro. 18

CONTENIDO

Título Correlación

Duración 2 horas

Información general Determina el coeficiente de determinación y correlación

Objetivo Determinar el coeficiente de determinación y correlación
conocido los puntos coordenados (nodos) e interpreta los
valores encontrados

1
 CLASE Nro. 18

1. Coeficiente de determinación y correlación

CORRELACIÓN

Es una medida de la fuerza que existe entre las variables analizadas, se denomina coeficiente
de correlación de Pearson en honor a su autor, Carl Pearson.
Dicho coeficiente toma valor entre – 1 ≤ R ≤ 1, y se puede considerar de la siguiente manera:
Si R = 1, correlación positiva perfecta
Si 0.90 ≤ R < 1, correlación positiva muy fuerte
Si 0.75 ≤ R < 0.90, correlación positiva fuerte
Si 0.50 ≤ R < 0.75, correlación positiva media
Si 0.25 ≤ R < 0.50, correlación positiva débil
Si 0 ≤ R < 0.25, no existe correlación positiva
Se considera el mismo análisis si R es negativa, así:
Si R = – 1, correlación negativa perfecta
Si – 1 < R ≤ – 0.90, correlación negativa muy fuerte
Si – 0.90 < R ≤ – 0.75, correlación negativa fuerte
Si – 0.75 < R ≤ – 0.50 , correlación negativa media
Si – 0.50 < R ≤ – 0.25, correlación negativa débil
Si – 0.25 < R ≤ 0, no existe correlación negativa
Podemos decir entonces que cuando el valor de R se acerca a 1 (100%) o a – 1 (– 100%), la
fuerza de relación entre las variables es mayor.
El coeficiente de correlación está compuesto de 3 medidas de desviación:
1) La desviación total que viene dada por la diferencia entre la observación con el
promedio de ellas;
2) La desviación explicada es la diferencia entre el valor que da la función de
regresión construida y el promedio de las observaciones;
3) La desviación no explicada es el error, se determina como la diferencia entre el valor
que tiene la observación y el valor que toma la función en el modelo de regresión
construido.

2
 CLASE Nro. 18

Gráficamente, se representan así:

La suma de cuadrados total, viene dado como la sumatoria de todas las desviaciones totales de
cada punto coordenado, elevado al cuadrado, es decir:
𝑛

𝑆𝐶𝑇 = ∑(𝑦𝑖 − 𝑦̅)2

𝑖=1

La suma de cuadrados de la regresión, se determina coma la sumatoria de todas la

desviaciones explicadas al cuadrado, así:
𝑛

𝑆𝐶𝑅 = ∑(𝑦̂𝑖 − 𝑦̅)2

𝑖=1

Por último, tenemos la suma del cuadrado del error, que es la sumatoria de todas las
desviaciones no explicadas, elevadas al cuadrado.
𝑛

𝑆𝐶𝐸 = ∑( 𝑦𝑖 − 𝑦̂𝑖 )2
𝑖=1

3
 CLASE Nro. 18

El coeficiente de determinación viene dado por la relación entre la suma de cuadrados de la

regresión y la suma de cuadrados total:
𝑆𝐶𝑅 ∑𝑛𝑖=1(𝑦̂𝑖 − 𝑦̅)2
𝑅2 = = 𝑛
𝑆𝐶𝑇 ∑𝑖=1(𝑦𝑖 − 𝑦̅)2

Como SCT = SCR + SCE, se puede expresar también así:

𝑆𝐶𝑇 − 𝑆𝐶𝐸 𝑆𝐶𝐸 ∑𝑛𝑖=1 (𝑦𝑖 − 𝑦̂)2
𝑅2 = =1 − =1 − 𝑛
𝑆𝐶𝑇 𝑆𝐶𝑇 ∑𝑖=1 (𝑦𝑖 − 𝑦̅)2

El coeficiente de correlación de Pearson, es:

∑𝑛𝑖=1(𝑦̂𝑖 − 𝑦̅)2 ∑𝑛𝑖=1 (𝑦𝑖 − 𝑦̂)2

𝑅 =±√ 𝑛 = ±√1 − 𝑛
∑𝑖=1(𝑦𝑖 − 𝑦̅)2 ∑𝑖=1 (𝑦𝑖 − 𝑦̅)2

EJERCICIO 1:
Se tienen los datos correspondientes a la ración diaria que por peso un perro debe comer. Se
quiere verificar si sigue un modelo de regresión lineal, para ello se conoce la siguiente
información:

4
 CLASE Nro. 18

1) Escriba la ecuación de la recta de regresión de y en relación con x.

2) Escriba el coeficiente de determinación.
3) Escriba el coeficiente de regresión
4) Calcule el peso aproximado que debería tener la mascota para que consuma 540 gramos
diarios

1) Si se va a determinar un modelo de regresión lineal, debemos aplicar las ecuaciones

normales, y determinar cada uno de las sumatorias, pues los coeficientes son las
incógnitas.

Para determinar el coeficiente de determinación, aplicamos la fórmula dada,

reemplazando las sumatorias, tenemos:
∑𝑛𝑖=1 (𝑦𝑖 − 𝑦̂)2
𝑅2 = 1 −
∑𝑛𝑖=1 (𝑦𝑖 − 𝑦̅)2
1974,63917
𝑅2 = 1 − = 0,991
225887,5

5
 CLASE Nro. 18

𝑅 = √0.991 = 0,995

Interpretación
Coeficiente de determinación: Decimos entonces que el 99,1% del cambio que se presenta en
la cantidad de alimento de las mascotas, es explicado mediante los cambios en el peso de la
mascota.
Coeficiente de correlación: Existe una correlación positiva muy fuerte.

6
 CLASE Nro. 18

REFERENCIAS BIBLIOGRAFICAS

1. Chapra, Steven C, Métodos numéricos para ingenieros, sexta edición, Ed.Mcgraw –

Hill, 2010
2. Galindo, E., Estadística Métodos y Aplicaciones, 3era ed., Prociencia editores, Quito,
2015
3. Mathews, J. Kurtis, F., Métodos numéricos con Matlab, 3era ed., Prentice Hall, 2000
4. Nieves, A., Domínguez, F., Métodos numéricos aplicados a la ingeniería, Grupo
Editorial Patria, México, 2014
5. Moore Hooly, Matlab para Ingenieros, Pearson Educación de México S.A. de C.V.,
primera edición, 2007
6. Shoichiro, N., Métodos Numéricos aplicados con software, 1era ed., Prentice-Hall
Hispanoamericana S.A., 1992
7. Webster, A., (2002), Estadística para la Administración y Economía, tercera ed., Irwin
McGraw – Hill, Colombia.
8. https://www.youtube.com/watch?v=6RLbLEM4Go4