Documentos de Académico
Documentos de Profesional
Documentos de Cultura
cuantitativas
ANÁLISIS DE REGRESIÓN Y
CORRELACIÓN LINEAL
Cátedra de Bioestadística
Carrera de Cs. Veterinarias
Facultad de Ciencias Agrarias y Veterinarias
Universidad Católica de Salta
Lic. Daniela E. Vázquez 1
Algunos ejemplos de relaciones funcionales
La relaciones entre:
1. el peso promedio individual (kg) de cerdos (variable Y,
dependiente) a partir del tamaño de la camada (variable
X, independiente)
2. la presión sanguínea y el nivel de colesterol.
3. La altura (cm) y la edad (años)
4. El contenido de proteína bruta y la caseína en leche.
5. el peso y altura de ciertos animales.
6. un suplemento dado y el aumento de peso que éste
produce en animales.
Si se conoce el comportamiento de una de las variables, ¿se
puede predecir el comportamiento
Lic. Daniela E. Vázquez
de la otra? 2
Lic. Daniela E. Vázquez 3
Dos herramientas que permiten responder a
esta cuestión:
1- EL ANÁLISIS DE REGRESIÓN : estudia la relación funcional
entre dos o más variables.
Identifica el modelo ó función que las liga, estima sus
parámetros y prueba hipótesis acerca de ellos.
Una vez estimado el modelo es posible predecir el valor de la
variable dependiente (Y) en función de la/s variable/s
independientes (X).
Los valores de la variable independiente (X) pueden ser
modificados por el experimentador, puede fijar los
niveles para los cuales desea estudiar la respuesta de la
variable dependiente (Y).
Lic. Daniela E. Vázquez 4
2- EL ANÁLISIS DE CORRELACIÓN
¿Observa algún
patrón de
asociación entre
las variables?
de puntos
volumen(cm3)
2.5
representada en
2
1.5
el diagrama de 1
0.5
dispersión? 0
0 5 10 15 20 25 30 35 40 45 50
peso(kg)
y = a + b.x , donde
a = ordenada al origen e indica el valor de “y”
para x= 0.
Excell
(punto 1c)!!
Lic. Daniela E. Vázquez 17
Coeficientes Error típico Estadístico t Probabilidad
Intercepción (es "a" que estima a ) -0,042257883 0,143713479 -0,294042586 0,774738
Variable X 1 (es "b" que estima a ) 0,069847973 0,004688248 14,898523 3,73E-08
Inciso 1 d):
Se construye entonces la ecuación
de regresión:
y= 0,069x -0,042
3,5
3,0
y = 0,069x - 0,042
2,5
R² = 1
2,0
Y
1,5
1,0
0,5
0,0
0 10 20 30 40 50 60
Variable X 1
Estadística para las Ciencias Agropecuarias, Di Rienzo J., Casanoves F., González
L., Tablada E., Díaz M., Robledo C., Balzarini M. Brujas. 6ª Edición. Córdoba, 2005.
Disponible on line en: http://www.agro.uncor.edu/~estad/libros.htm