Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNIVERSIDAD DE FALCÓN
FACULTAD DE CIENCIAS SOCIALES
CARRERA: Procesos Gerenciales
CÁTEDRA: Estadística II
DOCENTE: PROF. Manuel Duarte
Autor:
La correlación mide como están relacionadas estás dos variables, entre tanto que la
regresión lineal radica en generar una ecuación (guía) que, se basa en la relación
existente entre ambas variables, la cual permita anteceder el valor de una a partir de la
otra.
Para entender la relación lineal que hay entre dos variables perennes se hace necesario
poner de parámetros que consientan cuantificar dicha correlación. Uno de ellos es la
covarianza, que muestra el grado de variación ligada de dos variables aleatorias.
Coeficiente de correlación
Es aquel que provee de una medida de dos variables aleatorias están asociadas en una
«muestra». Es igualmente una medida del ímpetu de la relación lineal entre X y Y.
Propósito de la Regresión Lineal: Estimar la relación entre dos variables es hacer una
predicción o predicción cuantitativa. Esta regresión se puede utilizar en una variedad
de situaciones. Se utilizan cuando dos variables miden aproximadamente lo mismo,
pero una de las variables es relativamente costosa o, por el contrario, poco
interesante de usar, y la otra no es muy interesante (Sokal & Rohlf, 2006). El análisis de
regresión solo indica que puede haber una relación matemática (si la hay). Si la variable
tiene una "causa", es decir. provoca un cambio en el valor de otra variable, no puede
existir ni regresión ni correlación, por lo que el modelo debe utilizarse sólo si ya se ha
establecido causalidad o correlación a priori en las variables estudiadas. regresión entre
dos variables
Este tipo ocurre cuando dos o más variables independientes afectan a la variable
dependiente. Ejemplo: Y = f (x, w, z). Por ejemplo: podría ser una regresión de varios
tipos:
Una empresa de desarrollo de software planea correlacionar sus ventas con la
cantidad de pedidos que recibe para el tipo de software que desarrolla
(sistemas, capacitación y automatización comercial) para dar servicio a 10
proyectos este año. La correlación cuantifica qué tan relacionadas están dos variables,
mientras que la regresión lineal implica generar una ecuación (modelo) que predice el
valor de una variable a partir de la otra en función de la relación entre las dos variables.
X1 X2 ……. Xn
Y1 Y2 ……. Yn
N#° 1 EJEMPLO.
Las empresas suelen utilizar la regresión lineal para comprender la relación entre el
gasto en publicidad y los ingresos
LIBROS
Siegel, S., Castellan, N.J.1988. Nonparametric Statistics. McGraw Hill, New York.
http://www.cas.buffalo.edu/classes/psy/segal/2072001/regression/regression.html
(Pagina Web donde se explica el análisis de regresión) UNIVERSIDAD DE VIGO
Siegel, S., Castellan, N.J.1988. Nonparametric Statistics. McGraw Hill, New York
WEB
https://statologos.com/regresion-lineal-ejemplos-de-la-vida-real/
https://www3.uji.es/~mateu/t2-alumnos.pdf
https://www.cienciadedatos.net/documentos/26_ejemplo_regresion_lineal_simple_multi
ple_polinomial_interaccion_entre_predictores.html