UNIDAD 8

ANÁLISIS DE RELACIÓN ENTRE VARIABLES

ANÁLISIS DE RELACIÓN ENTRE VARIABLES

Análisis de
Análisis de Regresión
Relación Análisis de
Correlación
ANÁLISIS DE REGRESIÓN

 Determinar una ecuación y una línea que represente la

ecuación

 Efectuar predicciones basándose en ecuaciones matemáticas

DIAGRAMA DE DISPERSIÓN

 Es una gráfica bidimensional, en donde se trazan los valores

observados o individuales de cada una de las variables. Cada
valor se traza en sus coordenadas x e y

Ecuación de regresión lineal

𝑦 = 𝑎 + 𝑏𝑥
MÉTODOS DE REGRESIÓN

35
 Mano alzada (puro)
30

x y
25

4 15
20
7 16
8 19 15

9 24 10

11 28 5

13 29 0
0 2 4 6 8 10 12 14
MÉTODOS DE REGRESIÓN

35
 Mano alzada (corregido)
30

x y
25
4 15
7 16 20

8 19 15

9 24 10

11 28 5

13 29
0
0 2 4 6 8 10 12 14
8,67 21,83
MÉTODOS DE REGRESIÓN

35
 Semipromedios
30

x y
25
4 15
7 16 6,33 20

16,67
8 19 15

9 24 10

11
11 28
27 5

13 29
0
0 2 4 6 8 10 12 14
MÉTODOS DE REGRESIÓN

35
 Promedios Móviles
30

x y
25
4 15
7 16 7
20

8 19 18,5 15

9 24 10,25 10

11 28 25
5

13 29
0
0 2 4 6 8 10 12 14
MÉTODOS DE REGRESIÓN

 Mínimos cuadrados
𝑦 = 𝑎 + 𝑏𝑥
𝑋𝑖 𝑌𝑖 𝑋𝑖 2 𝑋𝑖. 𝑌𝑖
4 15 16 60 σ 𝑋𝑖 2 . σ 𝑌𝑖 − σ 𝑋𝑖 . σ 𝑋𝑖. 𝑌𝑖
7 16 49 112 𝑎=
𝑛 σ 𝑋𝑖 2 − σ 𝑋𝑖 2
8 19 64 152
9 24 81 216
11 28 121 308 𝑛 σ 𝑋𝑖. 𝑌𝑖 − σ 𝑋𝑖 . σ 𝑌𝑖
13 29 169 377 𝑏=
𝑛 σ 𝑋𝑖 2 − σ 𝑋𝑖 2
52 131 500 1225
MÉTODOS DE REGRESIÓN

 Mínimos cuadrados
𝑦 = 𝑎 + 𝑏𝑥
𝑋𝑖 𝑌𝑖 𝑋𝑖 2 𝑋𝑖. 𝑌𝑖 35

52 131 500 1225 30 y = 1,7365x + 7,7838

25

500.131 − 52.1225 20
𝑎= 2
= 6,0811
6.500 − 52 15

10
6.1225 − 52.131
𝑏= 2
= 1,8176 5

6.500 − 52
0
0 2 4 6 8 10 12 14
MÉTODOS DE REGRESIÓN

 Regresión exponencial

 Regresión logarítmica

 Regresión polinomial
ANÁLISIS DE CORRELACIÓN

 Es un conjunto de técnicas estadísticas empleado para medir la intensidad de la

asociación entre dos variables. El principal objetivo del análisis de correlación es
determinar que tan intensa es la relación entre dos variables.

Análisis de correlación lineal

 Indica que tan precisa es la recta para representar la relación y predecir valores, es
decir, que tan confiable son las proyecciones que realice para la toma de decisiones
ERROR ESTÁNDAR DE ESTIMACIÓN

 Indica la dispersión de los puntos con respecto a la recta de regresión

σ 𝑦𝑖 − 𝑦𝑐 2 σ 𝑦𝑖 2 − 𝑎 σ 𝑦𝑖 − 𝑏 σ 𝑥𝑖 . 𝑦𝑖
𝑆𝑦𝑥 = 𝑆𝑦𝑥 =
𝑛−2 𝑛−2
 COEFICIENTE DE DETERMINACIÓN r2
35
Es la proporción de la varianza total de la
variable explicada por la regresión 30

Desv. Total=Desv. No Expl. + Desv. Expl. 25

𝑦𝑖 − 𝑦ത = 𝑦𝑖 − 𝑦𝑐 + 𝑦𝑐 − 𝑦ത
20
DNE
Variac. total=Variac. No Expl. + Variac. Expl.
15
DT
DE
ത 2 = ෍ 𝑦𝑖 − 𝑦𝑐
෍(𝑦𝑖 − 𝑦) 2
ത 2
+ ෍(𝑦𝑐 − 𝑦)
10

5
𝑉𝐸 σ(𝑦𝑐 − ത 2
𝑦)
𝑟2 = 𝑟2 =
𝑉𝑇 ത 2
σ(𝑦𝑖 − 𝑦) 0
0 2 4 6 8 10 12 14 16

0 ≤ 𝑟2 ≤ 1
COEFICIENTE DE CORRELACIÓN LINEAL R

Es una medida estadística que cuantifica la dependencia lineal entre dos variables, es
decir, indica lo bien o mal que los datos están representados en la recta de regresión

𝑛 σ 𝑥𝑖 . 𝑦𝑖 − σ 𝑥𝑖 . σ 𝑦𝑖
𝑟= 𝑟2 𝑟=
𝑛 σ 𝑥𝑖 2 − 𝑥𝑖 2 . 𝑛 σ 𝑦𝑖 2 − σ 𝑦𝑖 2

−1 ≤ 𝑟 ≤ 1
COEFICIENTE DE CORRELACIÓN LINEAL R

 𝑟 = 1 existe una correlación positiva perfecta. El índice indica la

dependencia total entre las dos variables denominada relación directa:
cuando una de ellas aumenta, la otra también lo hace en proporción
constante.
 Si 0 ≤ 𝑟 ≤ 1 existe una correlación positiva
 Si r = 0 No existe relación lineal, pueden existir relaciones no lineales
entre las variables.
 Si −1 ≤ 𝑟 ≤ 0 existe correlación negativa
COEFICIENTE DE CORRELACIÓN LINEAL R

 +1 o-1 : Correlación perfecta.

 0,95 : Correlación fuerte

 0,8 : Correlación significativa

 0,7 : Correlación moderada

 0,5: Existe correlación parcial