Correlacion Regresion Industrial

FACULTAD DE CIENCIAS EXACT. FÍS. Y NATURALES. UNC.
CÁTEDRA DE PROBABILIDAD Y ESTADÍSTICA
ANÁLISIS DE CORRELACIÓN Y REGRESIÓN
El análisis de correlación y regresión estudia las

posibles relaciones entre dos o más variables.
El análisis de correlación indaga sobre la existencia

de relación entre dos variables y estima su grado de
asociación lineal.
El análisis de regresión permite determinar cómo

es la dependencia entre una única variable
denominada efecto o variable dependiente o de
respuesta (Y) respecto de una o más variables cada
una denominada causa o factor o variable
independiente o regresora o predictora(Xi).
Unidad 6: Regresión y correlación

Estos análisis hacen posible establecer la relación

funcional, que puede utilizarse para predecir el
comportamiento de la variable de respuesta.
En este contexto se estudia sólo la relación lineal

entre dos variables, que se denomina análisis
bivariado.
Para realizarlo, es necesario disponer de un

conjunto de observaciones apareadas.
Por ejemplo:
En un experimento de laboratorio, se desea conocer el
rendimiento de un proceso (y), en relación con la
temperatura en la que se desarrolla (x). Los datos
obtenidos fueron los siguientes:
x 100 110 120 130 140 150 160 170 180 190
y 45 52 54 63 62 68 75 76 92 88
¿Puede decirse que existe relación entre los valores de x

y de y?
¿Pueden servir los valores de temperatura para

predecir los valores de rendimiento?
Si así fuera, ¿qué forma debe tener un gráfico

rendimiento - temperatura?

¿Qué puede decirse de la aleatoriedad de las

variables bajo análisis?
La variable a predecir, “y”, es la variable dependiente o de

respuesta. Es una variable aleatoria.
Las variables que pueden utilizarse para predecir “y” se

denominan variables independientes “x” y se denotan con
los símbolos “x1”, “x2”, etc. Se consideran como variables
matemáticas ya que con frecuencia son controladas por el
investigador.
En el caso del ejemplo
Variable independiente x: temperatura

Variable dependiente y: rendimiento

Análisis de Correlación
Tiene por objetivo valorar la “fuerza” de la asociación

entre las variables
Para ello se define una medida de asociación:

LA COVARIANZA
Esta mide el grado de variación conjunta entre dos

variables.
Parámetro poblacional: Cov (x,y)= σxy = E[(x-µx)(y-µy)]

¿Cuál es su estimador σ xy = S xy ?
n ⎛ _ ⎞⎛ _⎞
∑ ⎜ xi − x ⎟⎜ yi − y ⎟
i=1 ⎝ ⎠⎝ ⎠
S xy =
y n −1
_
y
x
_
x

Si Sxy > 0 existe relación directa

Si Sxy < 0 existe relación inversa
Si Sxy = 0 puede o no existir una relación pero no la detecta.
Para calcular Sxy también puede utilizarse la siguiente

fórmula de trabajo:
1 ⎡ n ⎤
s xy = ⎢ ∑
n − 1 ⎣ i=1
xi yi − nxy ⎥
⎦

Una medida del grado de asociación lineal entre dos

variables es el:
COEFICIENTE DE CORRELACIÓN
σ xy
ρ xy =
σx σy
Es una cantidad sin dimensión

que toma valores entre
–1y1

El estimador de esta medida de asociación relativa es:
S xy
ρ XY = r =
Sx Sy
Denominado coeficiente de correlación muestral
Si r ≅ 1 existe asociación lineal directa

Si r ≅ –1 existe asociación lineal inversa perfecta.
Si r ≅ 0 no existe asociación lineal X e Y son independientes.
En el ejemplo dado el valor obtenido para de esta medida es:

r = 0.98
Si se tienen dudas sobre si el valor “r” obtenido es

estadísticamente significativo, es posible realizar una:
Prueba de hipótesis para ⍴
Planteo de la prueba:
H0 : ⍴= 0
H1: ⍴≠ 0
Si H0 es verdadera entonces:
r
El estadístico de prueba t0 = con t0 ~ t n-2
1− r 2
n−2
Criterio de rechazo: Si t 0 tα se rechaza H0.
,n− 2
2
Si se rechaza H0 existe relación lineal entre las variables.

Análisis de Regresión
¿Qué forma debe tener un modelo que describa la posible
relación entre estas dos variables?
Hasta ahora se sabe que:
“X” es una variable matemática o determinística y es

intención del análisis de regresión establecer si es
explicativa o no del comportamiento de “Y”.
“Y” es una variable aleatoria de la cuál no se conoce el

comportamiento.
Aunque sí, en el caso del ejemplo es posible pensar que se

relaciona de manera lineal con x.
MODELO DE REGRESIÓN LINEAL SIMPLE
f(y) y ij = β 0 + β1x i + ε ij con ε ij ~

∼ N 0;σ2 ( )
E ( y i ) = β 0 + β1x i
y11E(yy112
) yE(y
21 2) y31 yE(y
32 3y)33 E(yy4)42
y41
y
x1
x2
x3
x4
x Unidad 6: Regresión y correlación

¿Cuál es entonces, el objetivo en un análisis de regresión?
Encontrar la recta que mejor represente la relación

lineal existente entre los mismos.
¿Cuáles son los supuestos que se deben considerar

para estimar esta recta?
9 Los errores son independientes

9 Tienen distribución Normal con esperanza
cero y varianza σ2 constante.

¿Bajo estos supuestos, cuál es la

distribución de la variable dependiente para
cada valor de x?
Se recuerda que:
y ij = β 0 + β1x i + ε ij con ε ij ∼
~ N 0; σ
2
( )
Entonces:
~ N ( β 0 + β1xi ; σ )
2
yi ∼

Dada un conjunto disponible de de datos apareados

¿Cómo determinar la mejor recta de regresión que
permita describir el comportamiento de la variable
explicada (y) en términos de la explicativa (x)?
Para hacerlo es necesario estimar los coeficientes del
modelo de regresión, es decir:
β0 = a y β1 = b
Entonces la recta resulta:
yi = a + bxi
¿Qué condición debe cumplir esta recta de modo de
lograr la mejor estimación de los valores a y b ?
Gráficamente se tiene:
y yi = a + bxi
ei = yi − yi
Donde: x
yi es el valor estimado o predicho por el modelo a estimar.
yi es el valor a observar o el dato.
( )
n n 2
Se requiere que Q = ∑ ei = ∑ yi − yi
2
sea mínimo.
i=1 i=1

¿Cómo se puede expresar ei en términos de la

información disponible?
Se tiene que :
( )
n 2
yi = a + bxi Q = ∑ yi − yi
i=1
n 2
Entonces: Q = ∑ ( yi - a - bxi )
i=1
Expresión que es necesario minimizar en a y b, por tanto:
⎛n 2⎞ ⎛n 2⎞
∂ ⎜ ∑ ( yi − a − bxi ) ⎟ ∂ ⎜ ∑ ( yi − a − bxi ) ⎟
⎝ i=1 ⎠ =0 ⎝ i=1 ⎠ =0
∂a ∂b
La solución de este sistema es:
⎛
n _ ⎞⎛ _⎞
∑ ⎜ xi − x ⎟⎜ yi − y ⎟
b=
i=1 ⎝ ⎠⎝ ⎠ = S xy
n ⎛ _ ⎞2 S 2x
∑ ⎜ xi − x ⎟
i=1 ⎝ ⎠
y
_ _
a = y− b x
Con: β0 =a y β1 = b

Ahora se retoma el ejemplo dado. Los datos son:
x 100 110 120 130 140 150 160 170 180 190
y 45 52 54 63 62 68 75 76 92 88
Donde “x” representa la temperatura a la que se

desarrolla un experimento de laboratorio e “y”
el rendimiento porcentual de dicho experimento.
Se recuerda que:

El diagrama de dispersión es:
El coeficiente de correlación es timado es: r = 0.98

Lo que indica que es posible ajustar una recta de regresión.

Si se realiza la estimación mediante el uso de EXCEL, la

salida es parecida a la siguiente:
Coeficientes Error típico T p-valor

Interception -4.47 5.63 -0.79 0.45
Variable X 0.50 0.04 13.02 1.1472-E-06
¿Cuál es la recta estimada?
Esta es la siguiente: y = - 4.47 + 0.50 x

EVALUACIÓN DEL MODELO DE

REGRESIÓN ESTIMADO

Varios enfoques de la evaluación se basan en el

análisis de la variabilidad de la respuesta “Y”.
y Variación no
explicada
Variación
Variación total
_ explicada
y
_ _
yi − y = ( yi − y ) + (yi − yi )
x
_ _ _
x
( x , y ) ∈ Re cta Unidad 6: Regresión y correlación
Esta suma de variaciones tiene una propiedad que

permite escribir:
TOTAL ACIERTOS
ERRORES
2 2
⎛ _⎞ ⎛ _⎞
( )
2
∑ ⎜ i ⎟ ∑ ⎜ i ⎟ + ∑ yi − y i
y − y = y − y
⎝ ⎠ ⎝ ⎠
SCT = SCR + SCE

I-Pruebas de hipótesis en la regresión
Los estimadores de los parámetros son variables

aleatorias y los valores obtenidos estimaciones
puntuales de los mismos.
Para obtener mayor seguridad de que el modelo

construido tiene validez se realizan pruebas de
hipótesis sobre los coeficientes
Para poder realizarlas, en necesario conocer las

distribuciones de los estimadores.

I-1-Pruebas de hipótesis de los coeficientes
Prueba de hipótesis para β1

H0: β1 = 0
H1: β1 ≠ 0
b
El estadístico de prueba es: t 0 = ∼ tn−2
Sb
El criterio de rechazo es: t0 > tc

SI SE RECHAZA H0 IMPLICA QUE X TIENE IMPORTANCIA

PARA EXPLICAR LA VARIABILIDAD DE Y.
Se recuerda que b, estimación de β1, se calcula:

n ⎛ _ ⎞⎛ _⎞
∑ ⎜ xi − x ⎟⎜ yi − y ⎟
b=
i=1 ⎝ ⎠⎝ ⎠ = S xy
2
n ⎛ _⎞ S 2x
∑ ⎜ xi − x ⎟
i=1 ⎝ ⎠
El desvío de b, error típico, se calcula:
Se2 Se2
Sb2 = ⇒ Sb = (Estimación del desvío de b)
S xx S xx
Donde:
( )
2
∑ y i − yi
2
SCE ⎛ _⎞
Se2 = = S xx = ∑ ⎜ xi − x ⎟ = S 2x (n − 1)
n−2 n−2 ⎝ ⎠

El planteo de la prueba sobre β1 es:
H0: β1 = 0
H1: β1 ≠ 0
Observaciones sobre la prueba en la salida de EXCEL
Coeficientes Error típico T p-valor
Interception -4.47 5.63 -0.79 0.45
Variable X 0.50 0.04 13.02 1.1472-E-06
b Sb
Los software proporcionan el Es la probabilidad de que el

p-valor para no utilizar estadístico b tome un valor
puntos críticos y dejar el α a Sb
libre elección del interprete. al menos tan extremo como
el observado. Si es menor
que el α seleccionado se
rechaza H0
Observar prueba sobre β0
I-2-Pruebas de hipótesis sobre la regresión

con enfoque de análisis de varianza
Se comparan SCR y SCE, el procedimiento se

acomoda en una tabla de análisis de varianza y se
realiza una prueba cuyo estadístico debe tener
distribución F de Fisher.

Fuente de Suma de Grados Media de F0

variación cuadrados de cuadrados
libertad
SCR MSR
REGRESIÓN SCR 1 = MSR
1 MSE
SCE
ERROR SCE n–2 = MSE
n−2
TOTAL SCT n–1
SCE
Se2 =
n−2 Unidad 6: Regresión y correlación
H0: β1 = 0
H1: β1 ≠ 0
MSR
El estadístico de prueba es: F0 = ∼ f1,n−2
MSE
El criterio de rechazo es: F0 > fα ,1,n−2
Prueba unilateral derecha
Si NO se rechaza H0 el modelo
“NO SIRVE”

Salida para los datos del ejemplo:

Variable N R²
Rendimiento 10 0.95
Coeficientes de regresión y estadísticos asociados

Coef Est. E.E. LI(95%) LS(95%) T p-valor
Intercepción -4.47 5.63 -17.47 8.52 -0.79 0.4502
Variable X 0.50 0.04 0.41 0.58 13.02 <0.0001
Cuadro de Análisis de la Varianza

F.V. SC gl CM F p-valor
Regresion 2032.61 1 2032.61 169.58 <0.0001
Residuos 95.89 8 11.99
Total 2128.50 9
Intercepción NO ES SIGNIFICATIVA no se rechaza

hipótesis nula
II-Comprobación de la idoneidad del modelo
II-1-Coeficiente de Determinación
2 2
⎛ _⎞ ⎛ _⎞
( )
2
∑ ⎜ yi − y ⎟ = ∑ ⎜ yi − y ⎟ + ∑ y i − y i
⎝ ⎠ ⎝ ⎠
SCT = SCR + SCE
SCR SCE SCR SCE
1= + = 1− = R2
SCT SCT SCT SCT
¿ Qué indica esta última expresión?


El coeficiente de determinación R2 que representa

el porcentaje de variación de la variable
dependiente “y” que es explicado por el modelo de
regresión estimado.
R2 varia entre 0 y 1
En el caso de la regresión lineal simple este

coeficiente coincide con el cuadrado del coeficiente
de correlación estimado r.

II-2-Análisis de los residuos
Dados los supuestos sobre los cuales se realiza la

estimación por mínimos cuadrados para determinar la
idoneidad del ajuste es necesario corroborar la validez
de los mismos.
Estos son los siguientes:
• normalidad de los errores

• esperanza cero
• independencia
• varianza constante

Verificación de normalidad

Verificación del resto de los supuestos

RESUMEN
Consideraciones a seguir en un análisis de regresión
lineal simple:
Elaborar un diagrama de dispersión para visualizar la

relación que puede existir entre las variables.
Realizar el análisis de correlación (coeficiente de

correlación: r y prueba de hipótesis para el ρ) para
establecer el grado de asociación que existe entre dos
variables.
Proponer un modelo probabilística hipotético.

Modelo de línea recta y = β0 + β1x + ε.

Utilizar el método de mínimos cuadrados para

estimar los parámetros desconocidos (β0 y β1). Las
estimaciones de mínimos cuadrados producen un
modelo con una suma de errores al cuadrado menor
que la de cualquier otro modelo de línea recta.
Corroborar los supuestos específicos respecto al

error aleatorio (ε) del modelo de estimación.
Evaluar la utilidad del modelo hipotético.

Inferencias acerca de la pendiente β1 y del
coeficiente de determinación R2.

Si estamos satisfecho con el modelo lo podemos

utilizar para estimar el valor medio de y, E(y), para
un valor dado de x y para predecir un valor
individual de y para un valor específico de x.
Tener cuidado al seleccionar las variables con las

que se construyen modelos de regresión. Es
factible desarrollar relaciones que en la práctica no
tienen sentido.
Las relaciones de regresión sólo tienen validez para

la variable de regresión dentro del intervalo de
datos originales. Cuidado no se debe extrapolar.

Importancia del Análisis de Residuos

Observación x(a)(b)(c) y(a) y(b) y(c) x(d) y(d)
1 10 8.04 9.14 7.46 8 6.58
2 8 6.95 8.14 6.77 8 5.76
3 13 7.58 8.74 12.74 8 7.71
4 9 8.81 8.77 7.11 8 8.84
5 11 8.33 9.26 7.81 8 8.47
6 14 9.96 8.10 8.84 8 7.04
7 6 7.24 6.13 6.08 8 5.25
8 4 4.26 3.10 5.39 19 12.50
9 12 10.84 9.13 8.15 8 5.56
10 7 4.82 7.26 6.42 8 7.91
11 5 5.68 4.74 5.73 8 6.89

Variable N R²
y(a) 11 0.67

const 3.00 1.12 0.46 5.54 2.67 0.0257
x(a)(b)(c) 0.50 0.12 0.23 0.77 4.24 0.0022

Modelo 27.51 1 27.51 17.99 0.0022
x(a)(b)(c) 27.51 1 27.51 17.99 0.0022
Error 13.76 9 1.53
Total 41.27 10

Variable N R²
y(b) 11 0.67
const 3.00 1.13 0.46 5.55 2.67 0.0258
x(a)(b)(c) 0.50 0.12 0.23 0.77 4.24 0.0022
Cuadro de Análisis de la Varianza (SC tipo III)

Modelo 27.50 1 27.50 17.97 0.0022
x(a)(b)(c) 27.50 1 27.50 17.97 0.0022
Error 13.78 9 1.53
Total 41.28 10

Variable N R²
y(c) 11 0.67
const 3.00 1.12 0.46 5.55 2.67 0.0256
x(a)(b)(c) 0.50 0.12 0.23 0.77 4.24 0.0022

Modelo 27.47 1 27.47 17.97 0.0022
x(a)(b)(c) 27.47 1 27.47 17.97 0.0022
Error 13.76 9 1.53
Total 41.23 10

Variable N R²
y(d) 11 0.67

const 3.00 1.12 0.46 5.54 2.67 0.0256
x(d) 0.50 0.12 0.23 0.77 4.24 0.0022

Modelo 27.49 1 27.49 18.00 0.0022
x(d) 27.49 1 27.49 18.00 0.0022
Error 13.74 9 1.53
Total 41.23 10






Datos obtenidos
Temperatura Diámetro
(ºC) (mm)
400 2.81 ¿Es razonable
402 2.82 pensar que el
402 2.85 diámetro de la marca
404 2.85 sea explicado por la
406 2.86 temperatura de
408 2.88 revenido?
410 2.87
412 2.89
414 2.93
416 2.96
418 2.97
420 2.99

Correlacion Regresion Industrial

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Correlacion Regresion Industrial

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE CIENCIAS EXACT. FÍS. Y NATURALES. UNC.

CÁTEDRA DE PROBABILIDAD Y ESTADÍSTICA

ANÁLISIS DE CORRELACIÓN Y REGRESIÓN

El análisis de correlación y regresión estudia las

El análisis de correlación indaga sobre la existencia

El análisis de regresión permite determinar cómo

FACULTAD DE CIENCIAS EXACT. FÍS. Y NATURALES. UNC.

Estos análisis hacen posible establecer la relación

En este contexto se estudia sólo la relación lineal

Para realizarlo, es necesario disponer de un

¿Puede decirse que existe relación entre los valores de x

¿Pueden servir los valores de temperatura para

Si así fuera, ¿qué forma debe tener un gráfico

Unidad 6: Regresión y correlación

FACULTAD DE CIENCIAS EXACT. FÍS. Y NATURALES. UNC.

¿Qué puede decirse de la aleatoriedad de las

La variable a predecir, “y”, es la variable dependiente o de

Las variables que pueden utilizarse para predecir “y” se

En el caso del ejemplo

Variable independiente x: temperatura

Unidad 6: Regresión y correlación

FACULTAD DE CIENCIAS EXACT. FÍS. Y NATURALES. UNC.

Tiene por objetivo valorar la “fuerza” de la asociación

Para ello se define una medida de asociación:

Esta mide el grado de variación conjunta entre dos

Parámetro poblacional: Cov (x,y)= σxy = E[(x-µx)(y-µy)]

Unidad 6: Regresión y correlación

FACULTAD DE CIENCIAS EXACT. FÍS. Y NATURALES. UNC.

 Si Sxy > 0 existe relación directa

Para calcular Sxy también puede utilizarse la siguiente

Unidad 6: Regresión y correlación

Una medida del grado de asociación lineal entre dos

Es una cantidad sin dimensión

FACULTAD DE CIENCIAS EXACT. FÍS. Y NATURALES. UNC.

El estimador de esta medida de asociación relativa es:

Denominado coeficiente de correlación muestral

 Si r ≅ 1 existe asociación lineal directa

En el ejemplo dado el valor obtenido para de esta medida es:

Si se tienen dudas sobre si el valor “r” obtenido es

FACULTAD DE CIENCIAS EXACT. FÍS. Y NATURALES. UNC.

Hasta ahora se sabe que:

“X” es una variable matemática o determinística y es

“Y” es una variable aleatoria de la cuál no se conoce el

Aunque sí, en el caso del ejemplo es posible pensar que se

MODELO DE REGRESIÓN LINEAL SIMPLE

f(y) y ij = β 0 + β1x i + ε ij con ε ij ~

x Unidad 6: Regresión y correlación

FACULTAD DE CIENCIAS EXACT. FÍS. Y NATURALES. UNC.

¿Cuál es entonces, el objetivo en un análisis de regresión?

Encontrar la recta que mejor represente la relación

¿Cuáles son los supuestos que se deben considerar

9 Los errores son independientes

Unidad 6: Regresión y correlación

¿Bajo estos supuestos, cuál es la

Unidad 6: Regresión y correlación

FACULTAD DE CIENCIAS EXACT. FÍS. Y NATURALES. UNC.

Dada un conjunto disponible de de datos apareados

FACULTAD DE CIENCIAS EXACT. FÍS. Y NATURALES. UNC.

¿Cómo se puede expresar ei en términos de la

Expresión que es necesario minimizar en a y b, por tanto:

La solución de este sistema es:

FACULTAD DE CIENCIAS EXACT. FÍS. Y NATURALES. UNC.

Si Sxy > 0 existe relación directa

Si r ≅ 1 existe asociación lineal directa