UPC

Tema: Correlación lineal

MG. Saul Luiz de Melo

1
 CORRELACIÓN ENTRE VARIABLES

El análisis de correlación es un grupo de

técnicas estadísticas que permiten medir la
intensidad de la relación que puede existir
entre dos variables.

Ejemplos:
• Relación entre los datos de peso y talla
de estudiantes de educación secundaria.
• Relación entre el tiempo de estudio y
calidad de profesional.
2
 CORRELACIÓN ENTRE VARIABLES

La correlación puede ser:

• De al menos dos variables

(dependiente-independiente).

• o de una variable inpendiente y dos

o más variables dependientes
( correlación múltiple).

3
 COEFIENTE DE CORRELACIÓN

• El coeficiente de correlación es un valor cuantitativo

de la relación entre dos o más variables.
• El coeficiente de correlación puede variar desde -1
hasta 1.
• La correlación de proporcionalidad directa o positiva
se establece con los valores +1 y de proporcionalidad
inversa o negativa con -1.
• No existe relación entre las variables cuando el
coeficiente es cero (0).

-1 Relación negativa 0 Relación positiva 1

No existe relación

4
FÓRMULA DE COEFIENTE DE CORRELACIÓN DE PEARSON

5
¿Existe relación entre la Masa corporal y la fuerza en los alumnos
universitarios?. Si existe, ¿Qué tipo de correlación?
Variable independiente Variable dependiente

Alumno Masa Corporal(Kg) Fuerza(Kp)

Carmen 60,00 100,00

Pedro 65,00 105,00
Juan 70,00 102,00
Luís 75,00 135,00
Ana 80,00 95,00
Carlos 85,00 125,00
Elena 90,00 140,00
Rosa 95,00 130,00
Luís 100,00 148,00 6
UNA VARIABLE INDEPENDIENTE Y DOS DEPENDIENTES

Relación positiva

Relación negativa

7
 REPRESENTACIÓN GRÁFICA CON SPSS

Sean las variables:

X= Masa Corporal
Y= Fuerza

Pasos para representar:

• Ingresar al paquete estadístico
SPSS.
• Definir las variables antes
mencionados.
• Ingresar los datos presentados
en la tabla anterior.
• Gráficos/Interactivos/
Diagrama de dispersión/

8
COEFICIENTE DE CORRELACIÓN = r

9
COEFICIENTE DE CORRELACIÓN = r

10
 ECUACIÓN DE REGRESIÓN

La fórmula para una ecuación de regresión

lineal es:
Y = bX +a
Donde:
Y: Es el valor calculado
a: Es el intercepto
b: Es la pendiente de la línea
X: Es el predictor

11
 ECUACIÓN DE REGRESIÓN

“a” puede ser calculado a partir de la

fórmula:
• a = My – bMx
Donde:
My es la media de Y
Mx es la media de X.
“b” puede ser calculada a partir de la
fórmula:
• b = r (Sy/Sx)
Donde:
Sy es la desviación estándar de Y.
Sx es la desviación estándar de X. 12
 ECUACIÓN DE REGRESIÓN

Mx My Sx Sy r
80 120 13,6906394 19,7104334 0,771130895

13
 Significancia estadística: Prueba de hipótesis

En un día de primavera en que la temperatura fue subiendo

se midieron el número de chirridos por minutos de los grillos:
X 4 8 9 10 12 13 14 29 30 15 16
Y 41 42 85 80 83 59 61 112 120 62 70

17 18 19 25 28 22 23
85 85 90 90 110 90 85

1 Calcule el Coeficiente de Correlación de PEARSON,

.
2. Calcule las media aritméticas y sus Desviaciones Standard
de x y (p total)
3.Calcule las constantes a y b de la recta
grafique la recta

14
Se obtienen las medidas de peso y estatura de 15
estudiantes de la localidad de Huachipa y los resultados
son:
X 50 40 45 60 58 65 56 59 63 68 55

Y 1,30 1,20 1,50 1,30 1,20 1,43 1,25 1,60 1,56 1,55 1,43

¿ USANDO MATLAB
Programar y calcular
1.Coeficiente de Correlación de Pearson
2.Media aritmética y desv standard X y Y
3.Constantes a y b de la recta y=bx+a
4.Graficar la recta y los valores (dispersión)

15