Documentos de Académico
Documentos de Profesional
Documentos de Cultura
La regresión supone que hay una variable fija, controlada por el investigador (es
la variable independiente o predictora, variable X), y otra que no está controlada
(variable respuesta o dependiente, variable Y). La correlación supone que
ninguna es fija: las dos variables están fuera del control de investigador.
Podemos ver en un ejemplo el objetivo de la regresión, supongamos que un
investigador administró un test de inteligencia y hallo el Coeficiente Intelectual
(CI) de un grupo de alumnos, esta sería la variable independiente o predictora
(X) y quiere predecir el rendimiento de los alumnos en una prueba de
Razonamiento Lógico, esta es la variable dependiente o respuesta (Y). Dicho de
otra manera el investigador a través del conocimiento del CI puede predecir el
rendimiento de los alumnos en la prueba de Razonamiento Lógico. Es importante
saber que las predicciones que se realizan no son para los sujetos de las
muestras que conocemos, sino para cualquier sujeto perteneciente a la misma
población.
Se trata de una técnica estadística que analiza la relación entre dos variables
cuantitativas, tratando de verificar si dicha relación es lineal. Si tenemos dos
variables hablamos de regresión simple, si hay más de dos variables regresión
múltiple.
¿A qué llamamos relación lineal entre dos variables?
Una relación lineal es una tendencia en los datos que se puede expresar
mediante una línea recta.
Cuando ambas variables aumentan o disminuyen simultáneamente a un ritmo
constante, existe una relación lineal positiva. Cuando una variable aumenta
mientras la otra variable disminuye, existe una relación lineal negativa.
Sx
𝑋𝑦 = r (𝑦 − 𝑀𝑦) + 𝑀𝑥 Cuando y es la variable independiente x la variable
Sy
dependiente.
DIAGRAMA DE DISPERSIÓN
12
y = 1,1786x - 0,0714
10 R² = 0,8103
8
EXAMEN 2
0
0 2 4 6 8 10
EXAMEN 1
2,44
Resolución Y = 0,90 (𝑥 − 6) + 7
1,87
2,44
1-b=0,90 =1,17 es la pendiente de la recta
1,87
2-Aplico la propiedad distributiva y multiplico 1,17.X, queda 1.17x
1,17. (-6)=-7,02+7=-0,02
Y=bx-a Y=1,17x-0,02
(La diferencia con los valores hallados con Excel es por un tema de redondeo)
Habíamos visto más arriba que las predicciones que se realizan no son para los
sujetos de las muestras que conocemos, sino para cualquier sujeto
perteneciente a la misma población.
Por ejemplo quiero saber qué valor tendrá en Y (Examen 2) una persona que
obtuvo 2 ptos. en X (Examen 1)
Y=1,17.2-0,02=2,32
68,34%