Datos Bivariados

Se puede ver a través de un diagrama de dispersión si hay una tendencia lineal entre las variables
XeY
Ejemplo:

Y:Estatura(cm)
175
170
165
160
155
150
145
140
135
45 50 55 60 65 70 75 80 85

A continuación, la mejor recta de ajuste a los puntos X,Y

12

10

8
Axis Title

6
Y
4
Linear (Y)
2

0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
Axis Title

Coeficiente de correlación ,r = 1 , implica que todos los puntos están en la recta

Existe una tendencia lineal exacta , es decir , todos los puntos están en la recta , por lo tanto , hay
una recta que representa la relación entre X e Y ,
Y= 2x +1
En cambio ,
 175

170

165

160
Axis Title

155
Y:Estatura(cm)
150
Linear (Y:Estatura(cm))
145

140

135
45 50 55 60 65 70 75 80 85
Axis Title

0< r <1 r = 0,64

Existe una relación DIRECTA ( r es positivo)
Como r = 0,64 , entonces existe una Tendencia Lineal Levemente Fuerte entre el peso y la
Estatura
Coeficiente de Determinación r 2

Como r 2=0,4143 , entonces el Modelo Lineal explica en un 41% la variación de la estatura

respecto del Peso
Como existe una TENDENCIA LINEAL , por lo tanto, se puede expresar en una recta la relación
entre el peso y la estatura , la que llamamos Recta de Regresión, Recta Estimada, Modelo Lineal,
Recta de mejor ajuste

Coeficiente de Correlación r , si se cumple que: −1 ≤r ≤ 1 entonces EXISTE UNA

TENDENCIA LINEAL ENTRE X e Y
r=1 ó r= -1 , todos los puntos están en la recta , creciente y decreciente
respectivamente.
Según los datos se tiene, que la mejor recta de ajuste está dada por:
^y =a ∙ x +b , en este caso será : ^y =0,4583∙ x +135 ,11
Ejemplo 2:
X(hrs) Y(Nota Reg Lin x , y M+
1 1,5
2,5 2,8
4 3,5
5,5 4,2
7 5,0

a) ¿Existe una Tendencia Lineal entre las horas de estudio y la nota obtenida ?
Como r = 0,9913 , entonces existe una MUY FUERTE TENDENCIA LINEAL entre las
horas de estudio y la nota obtenida

b) Determine el coeficiente de determinación , interprete .

Como r 2=¿0,9826 , el Modelo Lineal explica en un 98% la variación entre la Nota (Y)
obtenida respecto a las horas (X) de estudio.

c) Exprese la recta o modelo lineal de los datos.

A= 1,16 , B = 0,56 ^y =B ∙ x + A

^y =0 ,56 ∙ x+ 1, 16 MODELO LINEAL RECTA ESTIMADA

d) Estime la nota para 9 hrs de estudio

^y =0 ,56 ∙ x+ 1, 16 , cuando x = 9 hrs ,

^y =0 ,56 ∙ 9+1 , 16 ^y =6 ,2