UNIVERSIDAD NACIONAL AUTÓNOMA DE NICARAGUA

“A la Libertad por la Universidad”

VICERRECTORÌA ACADÈMICA
PLAN DE CLASE No.14

I. DATOS GENERALES:

1.1 Facultad: Ciencias y Tecnología.

1.2 Carrera: Enfermería
1.3 Modalidad: Diario
1.4. Nombre del Componente Curricular: Estadística Introductoria
1.5. Unidad: Distribución de frecuencias para datos bidimensionales
1.6. Tema: Regresión Lineal simple; Diagrama de Dispersión: Recta de regresión lineal; Coeficiente de
Correlación y de Determinación y Predicción.
1.7 Tiempo: 2 h.
1.8. Fecha: 11 – 15 noviembre
1.9. Profesor (a): Valeria Cortés Calero

II. COMPETENCIA DEL COMPONENTE CURRICULAR A LA QUE SE APORTA CON ESTA

ACTIVIDAD:
 Analiza el grado de asociación lineal entre dos variables a través de un gráfico de dispersión y
calcula un modelo lineal para estas variables

III. DIMENSIONES DE LA COMPETENCIA: (CONCEPTOS, HABILIDADES Y ACTITUDES)

IV. ACTIVIDADES DEL DOCENTE Y DE LOS ALUMNOS:

 Regresión Lineal simple; Diagrama de Dispersión: Recta de regresión lineal; Coeficiente de

Correlación y de Determinación y Predicción
 Valora a importancia de construir un modelo de regresión lineal para asociar dos variables y
hacer predicciones a partir de dicho modelo
 Construye un modelo de regresión lineal simple para dos variables
a. Actividades de Iniciación:
 Presentación.
 Bibliografía a utilizar.
b. Actividades de Desarrollo:

Dependencia funcional y dependencia estadística

Cuando se estudian conjuntamente dos características o variables, es frecuente que exista una
relación de dependencia entre ella Esta dependencia tiene dos naturalezas:
- Dependencia funcional que es cuando existe una relación matemática exacta entre las dos
variables

1
 UNIVERSIDAD NACIONAL AUTÓNOMA DE NICARAGUA
“A la Libertad por la Universidad”
VICERRECTORÌA ACADÈMICA
- Dependencia estadística que se caracteriza por una relación aproximada entre los dos
fenómenos.

La variable que vamos a llamar dependiente o endógena está influida por otra que actúa como
independiente o exógena.
La casualidad o el azar ha hecho que ambas variables estén relacionadas estadísticamente (por
ejemplo, el número de accidentes de automóvil y la producción de queso fresco), puede existir una
relación causa-efecto ( por ejemplo de que los niveles de consumo están determinados
fundamentalmente por la renta disponible). En los estudios estadísticos de los fenómenos
socioeconómicos sólo nos deben preocupar las relaciones de causa-efecto que son las que tienen
una base teórica.

La Teoría de la Regresión nos permite pasar de la dependencia estadística representada en una nube
de puntos a la dependencia funcional dada por una línea de regresión (hablar del origen del nombre
Regresión con ejemplo de Dalton: “la altura de los hijos regresan a las alturas medias de los padres”).
La forma de obtener la línea de regresión es a través de los ajustes mínimo cuadráticos.
Una forma de detectar la posible relación entre las variables es gráficamente,

Diagrama de dispersión

Se construye representando los pares de valores observados en un eje cartesiano. Proporciona una
buena descripción de la relación existente entre las variables.
Ejemplos de casos que pueden darse:
a) Hay ausencia de relación (independencia).
b) Existe asociación lineal positiva (varían en general en el mismo sentido).
c) Existe asociación lineal negativa (varían en sentido contrario).
d) Existe fuerte asociación, pero no lineal (quizás curvilínea).

REGRESION LINEAL SIMPLE

La regresión lineal simple nos permitirá pasar de la dependencia estadística a la funcional con las
siguientes características:
a) La función a estimar es lineal es decir una recta
b) Existe una sola variable explicativa o exógena y por ello recibe el nombre de simple.
c) En la exposición vamos a referirnos a una tabla de correlación de frecuencia unitaria del siguiente
tipo:
xi x1 …. xi .... . xn
yi y2 …. yi …. yn

d) Se empleara el ajuste mínimo cuadrático para estimar la ecuación de la recta . De modo

que llamamos a la recta de regresión mínimo cuadrática de y sobre x

El coeficiente de regresión lineal simple b es la pendiente angular de la recta de regresión, nos

determina en cuanto varia la variable dependiente o endógena cuando la independiente o
exógena varia en una unidad. Si la recta que sea ajusta es una función de consumo en relación con
la renta, el coeficiente b seria lo que se conoce en teoría económica como la propensión marginal a
consumir. El significado del a, que es la ordenada en el origen de la recta, a veces puede tener
sentido económico y a veces no.

COEFICIENTE DE CORRELACION LINEAL

2
 UNIVERSIDAD NACIONAL AUTÓNOMA DE NICARAGUA
“A la Libertad por la Universidad”
VICERRECTORÌA ACADÈMICA

El coeficiente de correlación se usa para determinar el grado de dependencia lineal de la variable

endógena ante los valores de la exógena. Se define como:

Algunas observaciones y propiedades:

 Su signo viene determinado por el de la Covarianza. Indicará si la asociación es positiva o
negativa, y vale cero cuando la Covarianza vale cero (ausencia de asociación lineal).
 Valores próximos a -1 indican fuerte asociación lineal negativa, valores próximos a 1
indican fuerte asociación lineal positiva, y valores próximos a 0 indican ausencia de asociación
lineal.
 No se debe interpretar el coeficiente sin haber visto previamente el diagrama de dispersión
(podría por ejemplo haber algún dato atípico).
 Un coeficiente de correlación alto (en valor absoluto) indica que las variables toman valores
relacionados entre sí entre los elementos observados, pero no permite concluir la existencia de
ninguna relación de causalidad entre las variables. Por ejemplo, suponga que se estudian
conjuntamente las variables X= Número de matrimonios mensuales (en una ciudad) y Y
="Temperatura del mes", obteniéndose un coeficiente de correlación de 0.7. Eso significa que,
en efecto, suele haber más matrimonios a medida que mejoran las temperaturas, pero esto no
implica que un aumento de matrimonios aumente la temperatura del mes, ni que una ola de
calor cause un aumento de matrimonios.

El coeficiente de determinación (R2)

Un coeficiente de correlación de 0.88 puede interpretarse como “muy fuerte” en otro problema la
relación podría considerarse “débil”. Los términos débil, moderado y fuerte no tienen significado
preciso. Una medida que tiene un significado más exacto es el coeficiente de determinación
denotado por (R2)
Se calcula al elevar al cuadrado el coeficiente de correlación para el ejemplo de r=0.88 el r 2 =0.77.
Esta es una proporción o porcentaje puede decirse que 77% de la variación total en la variable
dependiente Y que se explica por, o se debe a la variación en la variable independiente X.
El significado del coeficiente de determinación es que nos proporciona el porcentaje de causas
comunes que tiene las dos variables relacionadas para explicar su variabilidad o evolución si se
expresa en tantos por 100.
El campo de variación del coeficiente de determinación es 0 ≤ R 2 ≤ 1 cuando las causas comunes a x e
y llegan al 0.75 expresadas en tantos por uno, o el 75% en tanto por cien, el modelo ajustado suele
aceptarse. Si el porcentaje es inferior se llega a la conclusión de que la relación elegida no es buena.

Predicción.
Uno de los objetivos que persigue la regresión y correlación es hacer predicciones de la variable
dependiente o endógena en función de los que toma la independiente o exógeno. Las predicciones se
efectúan utilizando la recta estimada Yti = a + b x, obtenemos valores de Y ti que son promedios
de los observados, mediante valores dados de X i y la actuación de los coeficientes de regresión a y b
estimados. La predicción será más fiable cuantos mayores sean los coeficientes de determinación o de
correlación.

Ejemplo 3.9
En 10 familias se han observado sus
ingresos (Xi) y sus gasto (Yi) anuales
expresados en millones de córdobas dando
lugar a las siguientes cantidades. (Xi: 2,
3, 4, 5, 6, 7, 8, 8, 9, 10)
3
 UNIVERSIDAD NACIONAL AUTÓNOMA DE NICARAGUA
“A la Libertad por la Universidad”
VICERRECTORÌA ACADÈMICA
( Yi: 2, 3, 3 4, 4, 5, 6, 5, 7, 9). Obtener la recta de regresión del gasto en función de los ingresos e
interpretar los valores estimados de los coeficientes de regresión.

gasto (Yi) ingresos (Xi) xiyi xi2 Yti yi2

2 2 4 4 1,669 4
3 3 9 9 2,414 9
3 4 12 16 3,159 9
4 5 20 25 3,904 16
4 6 24 36 4,649 16
5 7 35 49 5,394 25
6 8 48 64 6,139 36
5 8 40 64 6,139 25
7 9 63 81 6,884 49
9 10 90 100 7,629 81

Solución:

Para estimar empleamos la formulación, luego los cálculos conviene establecerlos de la forma
siguiente ya que tenemos que obtener l
a) Medias aritméticas

b) la Covarianza

c) La desviación estándar de la variable independiente

d) Los coeficientes de regresión a y b

e) La estimación de la recta de regresión

4
 UNIVERSIDAD NACIONAL AUTÓNOMA DE NICARAGUA
“A la Libertad por la Universidad”
VICERRECTORÌA ACADÈMICA
El significado de b igual a 0.45 es que cuando los ingresos aumentan en una unidad el gasto aumenta
en 0.745 unidades. El significado del término independiente es que cuando el ingreso es cero existe un
consumo autónomo de 179.000 córdobas, aunque esta interpretación carece de sentido económico ya
que sin ingreso no puede existir gasto si no existe un endeudamiento paralelo.

f) La desviación estándar de la variable dependiente

g) El coeficiente de correlación

Por lo tanto, podemos decir que existe una fuerte correlación entre el ingreso y el gasto
h) El coeficiente de determinación (r2)

Se puede decir que 90% de la variación total en la variable dependiente gasto (Yi) se explica por, o se
debe a la variación en la variable independiente ingresos (Xi)

i) Utilizando la recta estimada obtenemos valores de Y ti que son promedios

de los observados, para valores dados de X i como se presentan en la tabla anterior. La predicción
es bastante fiable ya que los valores de los coeficientes de determinación o de correlación son
altos.

c. Actividades Finales: Resumen de lo expuesto en la clase y orientación del trabajo independiente.

d. Orientación del Trabajo independiente:
 Realizar ejercicio el cual los estudiantes puedan construir e interpretar modelos de regresión
lineal simple.

V. MEDIOS O RECURSOS DIDÁCTICOS NECESARIOS: Pizarra. Marcador. Data show. Una portátil.

VI. EVALUACIÓN DE LOS APRENDIZAJES (Criterios y Evidencias):

 Busca y procesa a información para aplicar correlación y regresión lineal simple

 Práctica ejercicios en la pizarra.

 Realización de ejercicios individuales orientados en clases.

 Asistencia y participación

VII. CONCLUSIONES:

5
 UNIVERSIDAD NACIONAL AUTÓNOMA DE NICARAGUA
“A la Libertad por la Universidad”
VICERRECTORÌA ACADÈMICA
 Indagar la importancia de las construcción e interpretación de tablas de un modelo de

regresión.

VIII. RECOMENDACIONES:

Recordar a los estudiantes realizar ejercicios propuestos en la bibliografía para reforzar lo

aprendido.

IX. BIBLIOGRAFIA:

 Estadística. Richard C. Weimer.

 Casas Sánchez José M, Santos Peñas Julián (2002). Introducción a la Estadística para

Economía. Segunda Edición. Editorial Centro de Estudios Ramón Areces, S.A. Madrid, España.