ESTADISTICA

AÑO 2018

CLASE Nº 6

1
Correlación y Regresión

Qué es el análisis
de correlación
lineal ?

Es una herramienta estadística que

podemos usar para describir el grado de
relación lineal entre las variables.

2
Para ello debe trabajarse con Datos Apareados.

(Dato Apareado es el par de valores resultantes

de medir, contar u observar simultáneamente dos
variables en cada uno de los elementos unitarios
de una Población, o bien de una Muestra).

3
Se considera que dos variables están
relacionadas entre sí cuando los valores de una
de ellas varían de forma sistemática con respecto
a los valores de la otra.

Dicho de otro modo, si tenemos dos variables, X e

Y, existe relación entre ellas si al aumentar los
valores de X también lo hacen los de Y
(Asociación Positiva) o por el contrario si al
aumentar los valores de X disminuyen los de Y
(Asociación Negativa).

4
Diagrama de Dispersión

Para analizar Datos Apareados, se realiza su

representación gráfica mediante un Gráfico de
Dispersión.

Este es simplemente un gráfico de dos dimensiones,

donde en un eje (la abscisa) se grafica la variable X,
y en el otro eje (la ordenada) se grafica la variable Y.

5
FORMAS TÍPICAS DE LOS DIAGRAMAS DE DISPERSIÓN

6
En el Gráfico A existe una relación lineal positiva
entre X e Y. A medida que aumenta X, aumenta Y.

En el Gráfico B existe una relación lineal negativa

entre X e Y. A medida que aumenta X, disminuye
Y.

En el Gráfico C no existe relación entre X e Y.

En el Gráfico D existe una relación curvilínea

entre X e Y.

7
La ubicación de los puntos en el
Diagrama de Dispersión nos da una
primera idea del sentido de la
Asociación.

Luego se verifica el mismo y se

“cuantifica” la Asociación con el cálculo
del estimador del Coeficiente de
Correlación Lineal de Pearson (r)

8
 Estimador del Coeficiente de Correlación Lineal
de Pearson

El Coeficiente de Correlación Lineal de Pearson

varía desde -1 (correlación extrema negativa)
hasta +1 (correlación extrema positiva).

Cuando no existe relación lineal entre las

variables, el Coeficiente es igual a 0

9
Ejemplo:
X Y X2 Y2 X.Y Y
10

2 3 4 9 6
4 5 16 25 20 8

4 6 16 36 24
6
5 5 25 25 25 Y
4 4 16 16 16
4
8 9 64 81 72
6 7 36 49 42
2
3 4 9 16 12
7 8 49 64 56
0
7 9 49 81 63 0 2 4 6 8 10
X X
50 60 284 402 336

X5 Y6

r  0,95

10